P49 张量的定义以及数据

http://bilibili.com/video/BV184411Q7Ng?p=49

 

 

 注解：

• 张量其实就是numpy里面的数组，是对numpy中数组的封装。

 

注解：

• "add:0"里面的0没有啥意义
• 如果再定义一个add加法，会显示"add_1:0","add_2:0","add_3:0","add_4:0"......
• 张量的形状是非常重要的。

import tensorflow as tf

#实现一个加法运算
a=tf.constant(5.0)
b=tf.constant(6.0)
sum1=tf.add(a,b)
#图的定义，默认的这张图，相当于是给程序分配一段内存
graph=tf.get_default_graph()

#placeholder是一个占位符，在程序运行时提供数据
plt=tf.placeholder(tf.float32,[None,3])  #也是一个op（操作、运算），只是占位，没有具体的数据，在sess.run()运行的时候提供数据
#[2,3]代表将填充一个2行3列的数据
#[None,3]代表训练的时候，样本数可能不固定

with tf.Session() as sess:
    print(a.graph) #打印张量所属的默认图
    print("-----张量的形状：-------")
    print(a.shape)#打印张量的形状
    print(plt.shape)#打印张量的形状
    print("-----张量的字符串描述：-------")
    print(a.name)#打印张量的名字
    print("-----张量的操作名：-------")
    print(a.op)#打印张量的操作名

运行结果：

<tensorflow.python.framework.ops.Graph object at 0x000000001258DA08>
-----张量的形状：-------
()
(?, 3)
-----张量的字符串描述：-------
Const:0
-----张量的操作名：-------
name: "Const"
op: "Const"
attr {
  key: "dtype"
  value {
    type: DT_FLOAT
  }
}
attr {
  key: "value"
  value {
    tensor {
      dtype: DT_FLOAT
      tensor_shape {
      }
      float_val: 5.0
    }
  }
}


Process finished with exit code 0

注解：

• ()代表0维张量，就是一个数。

注解：

• 1维：5代表有5个数字
• 3维：（2,3,4）代表2张、3行、4列，一共有24个数据，每张表12个数据。

深度学习中、或者网络训练汇中最重要的是张量的形状。

import tensorflow as tf

#形状的概念
#静态形状和动态形状
plt=tf.placeholder(tf.float32,[None,2])
print(plt)
plt.set_shape([3,2])
print(plt)
with tf.Session() as sess:
    pass

运行结果：

Tensor("Placeholder:0", shape=(?, 2), dtype=float32)
Tensor("Placeholder:0", shape=(3, 2), dtype=float32)